代码之家 › 专栏 › 技术社区 › ahmed

如何确定关键字在HTML文档中的位置?

html php

ahmed · 技术社区 · 15 年前

我有一个HTML文档作为字符串

我想在这个文档中搜索一个关键字并找出它在文档中出现的位置

我的意思是它出现在哪个标签上

它出现在h1、h2或标题标签中了吗?

假设我的文档是

        $string = "<html>
                   <head> 
                   <title>bar , this is an example</title> 
                   </head> 
                   <body> 
                   <h1>latest news</h1>
                   foo <strong>bar</strong> 
                   </body>
                   </html>";


                   $arr = find_term("bar",$string);
                   print_r($arr);

我希望结果是这样的

                   [0]=> title
                   [1]=> strong

因为“bar”一次出现在标题标签上,一次出现在强标签上

我知道这是一个复杂的问题,所以我问别人是否知道答案:)

谢谢

到目前为止我所拥有的是

        function find_term($term,$string){
               $arr = explode($term, $string);
               return $arr;
        }
        $arr = find_term("bar",$string);
        print_r($arr);

现在我们有一个数组,它有一个值

             Array
             (
             [0] => <html>
               <head>
               <title>

             [1] =>  , this is an example</title>
               </head>
               <body>
               <h1>latest news</h1>
               foo <strong>

             [2] => </strong>
               </body>
               </html>
             )

可以看到,数组中每个元素的最后一个标记是包含“bar”的标记但现在的问题是如何知道每个元素中最后一个标签的出现?

谢谢

5 回复 | 直到 12 年前

VolkerK 15 年前

你可以使用 DOMDocument 和 xpath 为此。

<?php
$doc = new DOMDocument;
$doc->loadhtml('<html>
  <head> 
    <title>bar , this is an example</title> 
  </head> 
  <body> 
    <h1>latest news</h1>
    foo <strong>bar</strong> 
    <i>foobar</i>
   </body>
</html>');
$xpath = new DOMXPath($doc);
foreach($xpath->query('//*[contains(child::text(),"bar")]') as $e) {
  echo $e->tagName, "\n";
}

印刷品

title
strong
i

注意i元素。它包含foobar,而不是将bar作为单个单词,并与xpath查询匹配。因此,这个解决方案可能是不够的,也可能是不够的。

Marcus Andrén 15 年前

我不是一个PHP程序员,但一般来说,如果你能掌握一个HTMLDOM解析器,它会让你很容易理解。查找所有文本节点并搜索文本字符串。如果匹配,只需检索父节点的名称。

如果没有DOM解析器,有两个问题需要处理。

除非使用XHTML,否则HTML不是XML。 是一个很好的例子,您必须对其进行硬编码。
其次,必须考虑以下标签组合“<a>bar<c></c></a>”。它应该导致回答“A”,而不是“B”或“C”。

即使在找到了“bar”字符串之后,您也不能只找到下一个或上一个标记。相反,您应该将计数器设置为1,然后重新开始跟踪。当你遇到开始标记时,你会减少一个,当你遇到结束标记时,你会增加一个。当计数器降至0时,保存当前所处的标记。

最后,还有格式错误的HTML,如“bar”。我真的不知道有没有一个好的方法来处理。

Haim Evgi 15 年前

我想你首先需要,

将HTML解析为数组,

查找执行此操作的函数: http://www.php.happycodings.com/Arrays/code35.html

或类: http://www.phpclasses.org/browse/package/5139.html

在这个数组中按循环搜索之后。

Lucky 15 年前

以下代码在大多数情况下都可以工作。它不会尊重HTML注释,可能会被带引号的字符串(例如 <img alt="<grin>" ... )但在像这样的病理情况下不会窒息 foobar 甚至给出了一个合理的结果。

它没有注意到像这样的标签 <?php> 不知道空标签,比如  or <input> 但是会忽略像这样的标签  . 您可以添加逻辑来忽略空标签(img、hr、br、input等)。

搜索词被\b(词边界)包围,因此foobar不匹配。

$html   = "<html>
               <head>
               <title>bar , this is an example</title>
               </head>
               <body class=3>
               <h1>latest news</h1>
               foo <strong>bar</strong> <br />bar
               <i>foobar</i>
               </body>
               </html>";
$search = 'bar';

preg_match_all('/(\<(\/?)(\w+).*?(\/?)\>)|(\b'.$search.'\b)/i', $html, $matches, PREG_SET_ORDER);

$tags = array();
$found = array();
foreach ($matches as $m) {
    if ($m[2] == '/') {
        $n = array_search($m[3], $tags);
        if ($n !== false)
            array_splice($tags, $n, 1);
    }
    else if ($m[3] and !$m[4]) {
        array_unshift($tags, $m[3]);
    }
    else if ($m[5]){
        $found[] = $tags[0];
    }
}
print_r($found);

它输出(在   标签)

Array
(
    [0] => title
    [1] => strong
    [2] => body
)

-1

Nightfirecat peSHIr 12 年前

嗯,这是个棘手的问题。

为什么不在字符串中搜索关键字,记住找到它的位置,然后向后搜索字符串直到看到第一个“<”,将其写入数组直到看到“>”。